Matematika Sains Volume 2 Nomor 2 Tahun 2024
PERAMALAN INFLASI UMUM DI INDONESIA TAHUN
2024 MENGGUNAKAN MODEL ARIMA
e-issn: 2987-2979 DOI: https://doi.
org/10.
34005/ms.
Farhan Dinureja.
Ali Ilham Sofiyat & Lisana SP e-mail: farhandinu504@gmail.
com, alisofiyat@gmail.
com , lisanasp4128@gmail.
Abstrak Inflasi merupakan salah satu indikator ekonomi yang krusial dan memiliki dampak signifikan terhadap perekonomian sebuah negara.
Penelitian ini berfokus pada upaya meramalkan tingkat Inflasi di Indonesia Data Tingkat Inflasi Harga Konsumen Nasional diperoleh dari Badan Pusat Statistik (BPS) dan Peramalan menggunakan model ARIMA.
Hasil analisis data menunjukan bahwa ARIMA.
,1,.
adalah model terpilih dan terbaik untuk melakukan peramalan.
Berdasarkan model tersebut, maka hasil peramalan menunjukan tren negatif.
Kata Kunci: ARIMA.
Inflasi.
Peramalan.
Abstract Inflation is a crucial economic indicator with a significant impact on a country's economy.
This study focuses on forecasting the inflation rate in Indonesia for the year 2024.
The data on the national consumer price inflation rate was obtained from the Central Bureau of Statistics (BPS), and the forecasting was carried out using the ARIMA model.
The data analysis results indicate that ARIMA.
,1,.
is the selected and best model for forecasting.
Based on this model, the forecast results show a negative tren d.
Keywords: ARIMA.
Inflasi.
Forecasting.
Pendahuluan Inflasi merupakan indikator kunci dalam perekonomian suatu negara.
Tingkat inflasi yang stabil dan terkendali sangat penting untuk menjaga stabilitas ekonomi dan keuangan.
Inflasi menjadi masalahan umum yang melanda negara berkembang (Salim dkk, 2.
Inflasi merugikan bagi sebagian besar masyarakat.
Untuk mengatasi dan mengantisipasi kerugian ini, maka masyarakat dan seluruh pelaku ekonomi lainnya harus mampu membaca gejala dan tren inflasi yang telah terjadi sebelumnya (Suparmono, 2.
Salah satu indikator yang dapat digunakan untuk mengukur besar-kecilnya inflasi adalah Indeks Harga Konsumen (IHK) (Lesnussa, 2.
IHK adalah indeks yang menghitung rata-rata perubahan harga dari suatu kelompok barang dan jasa yang dikonsumsi oleh rumah tangga dalam kurun waktu tertentu.
Peramalan Inflasi umum Indonesia tahun 2024 diperoleh dari gabungan 150 Kota/ Kabupaten(Sumber Data: BPS) .
Metode Autoregressive integrated moving average (ARIMA) atau biasa disebut juga sebagai metode Box-Jenkins merupakan metode yang secara intensif dikembangkan oleh George Box dan Gwilym jenkins (Achmad Yani,2.
ARIMA adalah metode peramalan seri waktu yang cocok untuk meramal banyak variabel dengan cepat, mudah.
Matematika Sains Volume 2 Nomor 2 Tahun 2024 murah, dan akurat hanya dengan data variabel yang akan diramal (Hartati,2.
Model arima terdiri dari Autoregreesif (AR).
Integrated (I) dan Moving Average (MA).
AR (Autoregressiv.
merupakan komponen yang memperhitungkan hubungan antara nilai-nilai sebelumnya dalam deret waktu untuk memprediksi nilai saat ini.
MA di sisi lain, mempertimbangkan residual error dari model sebagai indikator untuk memprediksi nilai saat ini.
I (Integrate.
digunakan untuk differensiasi data agar menjadi stasioner, yang merupakan langkah penting dalam analisis ARIMA untuk memastikan model yang dihasilkan dapat memberikan prediksi yang sesuai dengan data yang ada.
Dengan demikian, kombinasi dari ketiga komponen ini, yang direpresentasikan dalam notasi .
,d,.
, memungkinkan model ARIMA untuk memberikan perkiraan yang akurat untuk deret waktu yang diamati.
Penelitian ini bertujuan untuk Mengetahui model paling sesuai untuk peramalan inflasi Indonesia triwulan ke 3 dan Mengetahui laju inflasi di Indonesia triwulan ke 3 pada tahun 2024 berdasarkan peramalan menggunakan sofware R.
Landasan Teori 1 Pengertian Inflasi Inflasi adalah suatu gejala dimana tingkat harga umum mengalami kenaikan secara terus Kenaikan harga dari satu dua barang saja tidak dapat disebut inflasi, kecuali bila kenaikan tersebut meluas kepada .
tau mengakibatkan kenaika.
sebagian besar dari harga barang-barang lain (Boediono, 2014:.
Inflasi adalah naiknya harga - harga komoditi secara umum yang disebabkan oleh tidak sinkronnya antara program pengadaan komoditi .
roduksi, penentuan harga, pencetakan uang dan sebagainy.
dengan tingkat pendapatan yang dimiliki oleh masyarakat (Putong, 2013:.
Penyebab Inflasi Menurut laporan dari Bank Indonesia .
penyebab inflasi di sebabkan oleh 3 hal, yaitu:
Tekanan dari sisi penawaran (Cost Push Inflatio.
: Jika tekanan dari sisi penawaran atau peningkatan biaya produksi menyebabkan inflasi, hal itu terjadi.
Penyebabnya termasuk: Depresiasi nilai tukar.
Pengaruh inflasi internasional.
Kenaikan harga komoditas yang diatur oleh Pemerintah dan Negative Supply Shocks.
Tekanan dari sisi permintaan, juga dikenal sebagai tekanan dari sisi permintaan, adalah ketika meningkatnya permintaan barang dan jasa dibandingkan dengan ketersediaannya menyebabkan inflasi Ekspektasi Inflasi: Faktor yang menentukan bagaimana masyarakat dan pelaku ekonomi memprediksi tingkat inflasi yang akan datang dan bagaimana hal itu dapat memengaruhi keputusan yang dibuat oleh konsumen, investor, dan aktor ekonomi lainnya dikenal sebagai ekspektasi inflasi.
3 Penggolongan Inflasi Menurut Yuliadi, .
penggolongan Inflasi menjadi empat macam, yaitu Inflasi rendah.
Inflasi sedang.
Inflasi tinggi dan Hyperinflation.
Inflasi rendah dengan tingkat pertumbuhan kurang dari 10% per tahun.
Inflasi sedang inflasi yang bergerak antara 10 % - 30 % per tahun.
Inflasi tinggi inflasi dengan laju antara 30 % -100 % per tahun.
Hyperinflation yaitu inflasi dengan laju diatas 100 % per tahun.
Matematika Sains Volume 2 Nomor 2 Tahun 2024 4 Pengertian Indeks Harga Konsumen Pengertian Indeks Harga Konsumen (IHK) adalah angka indeks yang menggambarkan perubahan harga barang dan jasa yang dikonsumsi oleh masyarakat secara umum pada suatu periode tertentu dengan periode waktu yang telah ditetapkan (Berlian Karlina, 2.
IHK
merupakan indikator umum tingkat inflasi di Indonesia yang dihitung dan diumumkan ke publik setiap bulannya oleh Badan Pusat Statistik (BPS)(Noor dan Komala,2.
yayayaycu = ycEycuycn ycE.
cuOe.
ycnycE0ycn ycE ycuycnOe.
ycn ya Ocycn=1 ycE0ya ycE0ya Ocya ycn=1 ( ycU100 .
Dengan IHKn yaitu Indeks Harga Konsumen bulan ke-.
ycEni adalah Harga jenis barang/jasa ycn pada bulan ke-.
,ycE.
cuycn Oe .
ycn yaitu Harga jenis barang/jasa ycn pada bulan ke-.
ycEycuycn ycE ( ycuycnOe.
ycn Relatif Harga (RH) jenis barang/jasa ycn pada bulan ke-.
cuOe.
ycn ycE0ycn Nilai Konsumsi (NK) jenis barang/jasa ycn pada tahun dasar.
yco yaitu Jumlah jenis barang/jasa yang tercakup dalam paket komoditas IHK 5 Peramalan (Forecastin.
Peramalan .
merupakan prediksi nilai -nilai sebuah variable berdasarkan nilainilai yang sudah diketahui dari variable tersebut (Makridakis dkk, 1.
Peramalan adalah dugaan atau perkiraan mengenai terjadinya suatu peristiwa atau kejadian di waktu yang akan datang (Box dkk, 2.
6 Time Series Time series adalah himpunan pengamatan yang dilakukan secara terus-menerus selama periode waktu tertentu (Marzaen,2.
Time series merupakan suatu himpunan pengamatan terurut, yang diambil berdasarkan interval waktu tertentu, misalnya himpunan data yang diambil per menit, hari, minggu, bulan, tahun, dan sebagainya (Box dkk, 2.
7 Metode Time Series (Runtun Wakt.
Metode time series adalah metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan dipekirakan dengan variabel waktu.
Peramalan suatu data time series perlu memperhatikan tipe atau pola data.
Secara umum terdapat empat macam pola data time series, yaitu horizontal, trend, musiman, dan siklis (Hanke dan Wichren, 2005: .
8 Metode ARIMA Metode ARIMA (Autoregressive Integrated Moving Averag.
merupakan metode yang secara intensif dikembangkan dan dipelajari oleh George Box dan Gwilym Jenkins.
ARIMA
merupakan usaha untuk mencari pola data yang paling cocok dari sekelompok data, sehingga metode ARIMA memerlukan sepenuhnya data historis dan data sekarang untuk menghasilkan ramalan jangka pendek (Box dkk, 2.
Metode ARIMA (Autoregressive Integrated Moving Averag.
adalah metode yang digunakan untuk peramalan jangka pendek.
Penggunaan metode ARIMA dalam peramalan jangka pendek sangat tepat digunakan karena metode ARIMA memiliki ketepatan yang sangat akurat.
(Salwa dkk, 2.
Model Autoregresive (AR) Matematika Sains Volume 2 Nomor 2 Tahun 2024 Model AR adalah model linier yang paling dasar untuk proses yang datanya stasioner.
Model AR adalah suatu model time series yang menggambarkan pengamatan suatu variabel yang dipengaruhi oleh variabel itu sendiri pada periode sebelumnya.
Suatu model AR akan menyatakan suatu ramalan sebagai fungsi nilai-nilai sebelumnya dari deret waktu tertentu (Wei,2.
Bentuk model ini dengan ordo p atau AR.
atau model ARIMA .
, d, .
secara umum ycyc = ycaycu yca1 ycsycOe1 yca2 ycsycOe2 U ycaycy ycsycOeycy yceyc Dengan ycyc ycycOeycy ycaycu yca1 A ycaycy : data time series sebagai variabel dependen pada waktu k : data time series sebagai variabel dependen pada kurun waktu ke .
- .
: konstanta : parameter-paramater autoregressive : nilai kesalahan pada waktu kurun ke Aet .
Model Moving Average(MA) Moving Average adalah hubungan yang menyatakan nilai saat ini sebagai jumlah berbobot dari gangguan kecil .
hite nois.
pada waktu sebelumnya atau tergantung pada nilai-nilai sebelumnya dari unsur kesalahan.
Model MA memberikan hasil ramalan berdasarkan atas kombinasi linier dari kesalahan-kesalahan yang lalu (Box dkk 2.
Bentuk model ini dengan ordo q atau MA .
atau model ARIMA .
,d,.
secara umum ycyc = ycaycu yceyc Oe yca1 yceycOe1 yca2 yceycOe2 Oe U Oe ycaycy ycsycOeycy yceyc .
Dengan :
ycyc : data time series sebagai vaiabel dependen pada waktu ke n yca1 A yca2 : parameter-paramater moving average : nilai kesalahan pada waktu kurun ke Ae.
- .
model ARIMA Pada model campuran ini, deret stasioner adalah fungsi linier dari nilai-nilai masa lalu serta nilai saat ini dan kesalahan masa lalu.
Bentuk umum dari model ini adalah sebagai berikut:
ycyc = ycaycu yca1 ycsycOe1 yca2 ycsycOe2 U ycaycy ycsycOeycy yceyc Oe yca1 yceycOe1 yca2 yceycOe2 Oe U ycayc yceycOeyc .
Dimana:
ycyc ycycOeycy : data time series sebagai variabel dependen pada waktu k : data time series sebagai vaiabel dependen pada kurun waktu ke .
ycaycu : konstanta yca1 A ycayc , c1 .
ycaycu : parameter-paramater Autoregressive : nilai kesalahan pada waktu kurun ke Ae.
Ae .
9 Tahapan ARIMA (Box-Jenkin.
Penerapan metode ARIMA menggunakan pendekatan Box-Jenkins, yang mencakup tahapan-tahapan untuk menentukan parameter ARIMA serta pengujiannya sebelum model ini digunakan untuk peramalan di masa depan.
Tahapannya adalah sebagai berikut:
Tahap Identifikasi Matematika Sains Volume 2 Nomor 2 Tahun 2024 Tahap Estimasi Tahap Tes Diagnosis Tahap Prakiraan Metodelogi Penelitian 1 Sumber Data Data yang digunakan dalam penelitian ini adalah data Tingkat Inflasi Harga Konsumen Nasional .
-on-.
Data bulan Januari 2006 sampai dengan bulan juni 2024 yang dipublikasikan oleh Badan Pusat Statistik (BPS).
IHK berdasarkan pola konsumsi didapat dari Survei Biaya Hidup 2022 di 150 kabupaten/kota.
2 Variable Penelitian Variabel dalam penelitian ini adalah nilai inflasi umum di Indonesia bulan januari tahun 2006 hingga bulan Juni tahun 2024 yang dipublikasikan oleh Badan Pusat Statistik (BPS).
3 Tahapan Analisis Data Pada tahap analisis data dilakukan Tahap uji stationeritas.
Identifikasi model ARIMA.
Estimasi Parameter Model.
Cek Diagnosa Model, pemilihan model terbaik dan peramalan.
dituliskan dengan rincian sebagai berikut :
Uji stationeritas Identifikasi Model ARIMA .
Melakukan Ploting data time series dan menentukan transformasi yang sesuai .
Menghitung dan memeriksa ACF dan PACF Estimasi Parameter .
Model Linear Autoregressive Moving Average (ARMA) .
Model Autoregressive Integrated Moving Average atau ARIMA .
,d,.
Pemilihan model terbaik Cek diagnosa model .
Uji Residual White Noise .
Uji Normalitas Peramalan ARIMA Hasil Penelitian dan pembahasan 1 Deskripsi Hasil Penelitian Data yang digunakan dalam penelitian ini adalah Data Tingkat Inflasi Harga Konsumen Nasional Tahunan mulai Januari 2006 Sampai dengan Juni 2024 yang di publikasikan oleh Badan Pusat Statistik (BPS).
2 Hasil Pengolahan Data Pengolahan data Tingkat Inflasi Harga konsumen Nasional Tahunan dengan menggunakan Program R.
1 Data hasil penelitian tersebut diolah dan memperoleh:
Uji Stasioner Matematika Sains Volume 2 Nomor 2 Tahun 2024 Nilai statistik uji ADF adalah -5.
dan p-value dari uji ADF adalah 0.
plot ACF dan PACF untuk memastikan stationer dalam visual.
berikut adalah plot ACF sebagai berikut:
Dalam plot ACF tidak memenuhi kriteria stationer, stationer dalam visual dapat di tentukan dengan lag yang terpotong cepat menurun mendekati nol dan tidak adanya pola yang jelas dengan tidak stationernya dalam visual.
Maka di lakukan diffencing data.
Plot ACF dan PACF sebagai Nilai statistik uji ADF adalah.
3663 dan p-value dari uji ADF adalah 0.
menunjukan data sudah stationer.
Identifikasi Model Matematika Sains Volume 2 Nomor 2 Tahun 2024 Berdasarkan plot ACF dan PACF maka kita dapat menentukan model yaitu ACF terputus pada lag 1 maka dapa disimpulkan MA .
=1 dan plot PACF Terputus pada lag 1 dan 3 maka dapat disimpulkan bahwa AR .
=1 .
Dan differensing .
=1 karena telah malakukan differensing 1 kali.
Oleh karena itu maka dapat disimpulkan bahwa model yang terbentuk adalah:
AR.
MA.
ARIMA .
,1,.
Estimasi parameter Data Tingkat Inflasi Harga Konsumen Nasional Tahunan teridentifikasi memiliki 3 bentuk model sementara yaitu AR.
MA.
dan ARIMA.
,1,.
Selanjutnya identifikasi model untuk menentukan model terbaik berdasarkan nilai AICc terkecil.
hasilnya sebagai berikut:
Tabel 4.
1 Hasil Model Model AR.
MA.
ARIMA.
,1,.
AICc .
Pemilihan model terbaik ARIMA Berdasarkan Hasil Identifikasi Model di dapatkan beberapa nilai AICc yaitu Model AR.
= 62.
MA .
= 540.
ARIMA.
,1,.
= 531.
berdasarkan nilai AICc terkecil yaitu 531.
maka model ARIMA.
,1,.
adalah model terbaik.
Cek Diagnosa Model Cek Diagnosa bertujuan untuk memastikan bahwa model yang dipilih telah menangkap pola dalam data dengan baik dan bahwa residual .
esalahan prediks.
bersifat acak .
hite nois.
dan berdistribusi normal.
1 uji residual Hasil Uji Residual adalah Nilai p-value adalah 0.
08982, yang lebih besar dari tingkat signifikan yaitu 0.
Ini menunjukkan bahwa tidak ada bukti yang cukup untuk menolak hipotesis nol bahwa residual adalah white noise.
Uji White Noise Uji white noise dengan uji Box-Pierce hasilnya Nilai p-value sangat besar .
, jauh di atas tingkat signifikansi 0.
Ini menunjukkan bahwa tidak ada bukti yang cukup untuk menolak hipotesis nol.
Uji Normalitas dengan Uji Kolmogorov-Smirnov Matematika Sains Volume 2 Nomor 2 Tahun 2024 Nilai p-value dari uji Kolmogorov-Smirnov adalah 0.
Pada tingkat signifikansi 0.
jika nilai p lebih besar dari 0.
05, tidak memiliki cukup bukti untuk menolak hipotesis nol bahwa distribusi residual sama dengan distribusi normal.
Peramalan Hasil Peramalan menunjukkan bahwa nilai prediksi peningkatan yang kecil dari -1.
pada data ke 222 menjadi -1.
416373 pada pada ke 223, dan kemudian sedikit naik lagi menjadi 1.
385521 pada data ke 224.
Tabel 4.
2 Hasil Peramalan Data Hasil Peramalan Standar Eror Juni 2024 Juli 2024 Agustus 2024 .
Menghitung Mae MAE dihitung sebagai rata-rata dari nilai absolut dari selisih antara nilai peramalan dan nilai MAE memberikan gambaran tentang tingkat kesalahan rata-rata absolut dari peramalan.
Semakin rendah nilai MAE, semakin baik kualitas peramalan Kesimpulan Berdasarkan hasil penelitian dan pembahasan pada bab sebelumnya dapat diambil kesimpulan sebagai berikut :Hasil yang diperoleh dari bentuk model Time series yang terbaik untuk peramalan Inflasi Umum di Indonesia tahun 2024 berdasarkan Tingkat Inflasi Harga Konsumen Nasional adalah ARIMA.
,1,.
Hasil Peramalan Tingkat Inflasi Harga Konsumen Nasional Untuk Triwulan ke 3 adalah -1.
Dari hasil peramalan ratarata kesalahan absolut dari peramalan terhadap nilai sebenarnya adalah sekitar 4.
Daftar Pustaka